首页 理论教育基于轴辐网络的应急设施布局优化理论与应用-遗传算法步骤

基于轴辐网络的应急设施布局优化理论与应用-遗传算法步骤

【摘要】:遗传算法对问题的可行解进行编码,通过适应度函数构成优胜劣汰、适者生存的“自然环境”,种群通过遗传、交换、突变等不断演化,产生出新的更加优良的种群,这样经过若干代的进化,最终求得问题的最优解。遗传算法步骤[103]如下:STEP1:选择问题的一个编码;给出一个有N个染色体的初始群体POP,t=1;STEP2:对群体中POP中的每一个染色体popi计算它的适应度函数,fi=fitness[popi];STEP3:若停止规则满足,则算法停止;否则,计算概率;,2,…

遗传算法是基于随机搜索的最优化启发式算法,是模仿自然界生物进化的过程的算法(Goldberg,1989),被广泛应用于解决各类最优化问题。遗传算法对问题的可行解进行编码,通过适应度函数构成优胜劣汰、适者生存的“自然环境”,种群通过遗传、交换、突变等不断演化,产生出新的更加优良的种群,这样经过若干代的进化,最终求得问题的最优解。遗传算法步骤[103]如下:

STEP1:选择问题的一个编码;给出一个有N个染色体的初始群体POP(1),t=1;

STEP2:对群体中POP(t)中的每一个染色体popi(t)计算它的适应度函数,fi=fitness[popi(t)];

STEP3:若停止规则满足,则算法停止;否则,计算概率;,2,…,N,并以概率分布从POP(t)中随机选出一些染色体构成一个种群:New POP(t+1)={popi(t)|j=1,2,…N};

注:New POP(t+1)集合中可能重复POP(t)中的一个元素;

STEP4:通过交换,得到一个有N个染色体的CrossPOP(t+1);

STEP5:以一个较小的概率p,使得染色体的以讹基因发生变异,形成MutPOP(t+1);t∶t+1,一个新的群体POP(t)=MutPOP(t+1);返回STEP2。